全局视角
在其发展史的大部分时间里，AI 都存在于计算机内部：识别文字、图像和语音。物理 AI 则不同：模型通过摄像头和传感器感知世界，对其进行推理，然后驱动某样东西运动，比如机械臂、叉车、车辆或无人机。
让聊天机器人变得能说会道的那些突破，如今正在教会机器抓取陌生物体、在复杂环境中导航，并通过示范来学习新任务，而不再需要数月的手写代码。
为何是现在
三大趋势正在汇聚：能够理解物理世界的 AI 模型、传感器和执行器成本的下降，以及制造业、物流和养老护理行业的劳动力短缺。三者叠加，使机器人在许多过去从不划算的场景中具备了经济可行性。
机会在哪里
我正在研究的领域
工业自动化
成熟的自动化供应商正在为机械臂、视觉系统和控制器加入 AI 能力。
零部件与传感器
每台机器人都需要的电机、执行器、摄像头和激光雷达，是这一主题中的“铲子”。
仿真与训练
在机器人接触真实世界之前，先在虚拟世界中对其进行训练的软件。
重工业自动化
矿业、农业和物流，这些都是澳大利亚已经在自动化方面处于领先地位的行业。
我关注的信号
如何判断它正在兑现
- ↗仓库和工厂从试点走向机器人集群规模化部署
- ↗机器人硬件和传感器成本下降
- ↗机器人领域通用“基础模型”取得进展
- ↗矿业和农业中自动驾驶车辆与机械的增长
风险
可能出现的问题
- !通用机器人和人形机器人的落地时间表，可能比炒作所暗示的要长得多
- !硬件业务属于资本密集型，利润率通常低于软件
- !安全、监管和公众接受度可能会减缓部署
我的应对方式
这是一个处于早期阶段的主题，因此我保持小仓位并分散配置，优先选择盈利的零部件和自动化供应商，而非押注单一初创公司，并随着实际部署规模扩大逐步加仓。
“AI 的第一章学会了说话。下一章将学会动手工作。”
以上为个人前瞻性观点，并非预测或推荐，可能被证明是错误的。